[发明专利]一种基于判决书文本的涉毒案件深度分析方法

说明书

本发明提供一种基于判决书文本的涉毒案件深度分析方法，包括如下步骤：S1）提取毒品犯罪案件的主要信息；S2）统计分析提取的信息；S3）根据主要信息建立预测模型；S4）使用模型预测判刑结果。本发明的优点为：从毒品犯罪案件的刑事判决书中提取主要信息并进行统计，帮助整理案卷，分析毒品犯罪的趋势和因素，针对毒品犯罪的相关行为进行判决结果预测，便于禁毒教育宣传。

技术领域

本发明涉及文本提取和机器学习技术领域，具体涉及一种基于判决书文本的涉毒案件深度分析方法。

背景技术

毒品犯罪是涉及毒品的犯罪。尽管我国针对毒品犯罪的打击力度一直很强，但由于毒品贩卖具有高额利润的特点，绝大多数人并不了解我国法律针对毒品犯罪的判决条例，很多人还是会铤而走险，走上毒品犯罪的道路。因此须要加强毒品犯罪的教育宣传工作，对于有贩毒意向的潜在罪犯，告知他们怎样的行为会产生怎样的判决结果能够起到有力的警醒作用。

我国刑法对于毒品犯罪的量刑标准有一个具体的阐述，但是大多数人并没有耐心阅读法律法规，因此，一个直观的量刑结果预测显得尤为重要。利用法律知识进行逻辑判断，给定量刑的基准范围，并从实际案件中提取与量刑相关的特征参数进行机器学习从而获得辅助参数，就可以根据毒品犯罪相关行为作出预判结果。

发明内容

本发明的目的是提供一种可根据毒品犯罪相关行为作出预判结果的基于判决书文本的涉毒案件深度分析方法。

为了达到上述目的，本发明通过以下技术方案来实现：

一种基于判决书文本的涉毒案件深度分析方法，包括如下步骤：

S1)提取毒品犯罪案件的主要信息

系统导入毒品犯罪刑事判决书，采用句式分析、关键字抓取和正则表达式匹配的方法提取毒品犯罪刑事判决书中的主要信息，包括案件基本信息、毒品交易相关信息和涉案人员基本信息，导出上述信息；

S2)统计分析提取的信息

对涉案人员根据性别、年龄、地域等因素进行统计分析，作出人员关系的知识图谱；

S3)根据主要信息建立预测模型

首先采用主成分分析方法保留99％的主要信息，将保留的主要信息用二进制向量表示作为训练数据，涉案人数实际判刑年数作为标签数据；

根据法律量刑将所有数据分为四个类别，分别在各个类别上建立监督学习的回归预测模型xgboost模型，建立100棵CART树进行加法训练，优化目标函数，选取的误差函数为MSE；

S4)使用模型预测判刑结果

在模型中输入相关毒品犯罪信息，预测判刑结果。

进一步地，案件基本信息包括案件号、法院、审判长、人民陪审员、书记员、日期、毒品交易联系方式、毒品交易支付方式、毒品交易运输方式、涉案车牌号、毒品交易详情；毒品交易相关信息包括交易时间、地点、毒品种类、数量、金额、单价；涉案人员基本信息包括姓名、性别、身份证号码、生日、出生地、民族、户籍、家庭住址、文化程度、就业情况、犯罪过往、现羁押于、辩护人、辩护人律师事务所、刑罚种类、刑期、财产刑种类、财产刑金额。

本发明与现有技术相比，具有以下优点：

本发明一种基于判决书文本的涉毒案件深度分析方法，从毒品犯罪案件的刑事判决书中提取主要信息并进行统计，帮助整理案卷，分析毒品犯罪的趋势和因素，针对毒品犯罪的相关行为进行判决结果预测，便于禁毒教育宣传。

附图说明

图1是本发明一种基于判决书文本的涉毒案件深度分析方法的流程示意图。

图2是本发明一种基于判决书文本的涉毒案件深度分析方法的系统信息展示界面图。